Law Enforcement Intelligence

执法情报 MCP 服务

在 ApifyForge 上查看 | 在 Apify Store 上使用

---

快速开始

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf）：

{
  "mcpServers": {
    "law-enforcement-intelligence-mcp": {
      "url": "https://ryanclinton--law-enforcement-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

为 AI Agent 提供执法情报筛查——只需一次 MCP 工具调用，即可查询 Interpol、FBI、OFAC 和 OpenSanctions。此服务将 Claude Desktop、Cursor、Windsurf 及任何兼容 MCP 的客户端连接到 7 个实时政府和公共数据库，无需订阅 Apify 以外的服务，即可提供威胁评分、身份核查结论、制裁交叉比对和威胁网络图。

合规团队要花费数小时，手动在 Interpol 红色通缉令、FBI 最受通缉名单、OFAC SDN 名单和 OpenSanctions 中逐一核查姓名。此 MCP 服务可自动完成整个流程：并行查询全部 7 个数据源，使用基于 Levenshtein 距离的模糊匹配算法协调各数据库中的姓名变体，并以结构化 JSON 返回结果，供 AI Agent 直接推理。

可以提取哪些数据？

数据点	来源	示例
📋 国际逮捕令	Interpol 红色通缉令	通缉令 ID、指控、请求国家、外貌描述
👤 美国联邦通缉人员	FBI 最受通缉名单	姓名、警示文本、对象、外地办事处、图片 URL
🚫 美国财政部 SDN 条目	OFAC SDN 名单	实体名称、项目（例如 UKRAINE-EO13685）、别名、国家
🌐 多司法管辖区监视名单条目	OpenSanctions	40 多个整合名单、PEP 登记册、主题、数据集
🔴 按类别划分的犯罪记录	UK Police API	类别、街道、月份、处理状态
📍 犯罪热点坐标	UK Police API	纬度、经度、事件数、主要类别
📰 OSINT 背景文章	Wikipedia	实体补充信息的文章标题、摘录、URL
🗺️ 地理编码位置数据	Nominatim (OpenStreetMap)	坐标、地点类型、显示名称
⚠️ 核查结论	计算得出	CLEAR / FLAGGED / WATCHLISTED / BLOCKED
🎯 综合威胁评分	计算得出	按四个加权维度计算的 0-100 评分
🕸️ 威胁网络图	计算得出	带置信度评分和证据的分类节点与边
📑 结构化威胁简报	计算得出	执行摘要、调查结果、建议、注意事项

为什么使用 Law Enforcement Intelligence MCP Server？

手动筛查一个姓名需要 15-30 分钟：打开 Interpol 的通缉令搜索页面，查询 FBI 通缉门户，从 OFAC SDN 名单导出数据，检查 OpenSanctions，协调拼写变体，并记录调查结果。在交易完成前批量核查 20 个交易对手，需要整整一个工作日——而且如果某个姓名只出现在一个数据库中而未出现在其他数据库中，仍会留下疏漏。

此 MCP 服务可自动完成整个流程，并将其接入你的 AI 工作流。你的 Agent 只需调用一个工具，即可同时查询全部 7 个数据源，并通过模糊姓名匹配识别各数据库中拼写不同的同一实体。

• 原生 AI 集成——可在 Claude Desktop、Cursor、Windsurf 或任何 MCP 客户端中运行，无需 API 封装
• 并行执行——最多同时运行 7 个 Actor 调用，而非依次执行
• 模糊姓名匹配——结合 Jaccard 词元重叠度与子串包含关系，识别转写姓名和别名
• 可配置阈值——每次请求均可将模糊匹配灵敏度设为 0.1（宽松）到 1.0（精确）
• 结构化 JSON 输出——每条响应均可供机器读取，可直接用于后续推理或 CRM 记录
• 支出限额——按事件计价，达到预算后立即停止

功能

• 构建威胁网络图 — 从最多 7 个并行来源构建有向图，包含节点（嫌疑人、逮捕令、犯罪、制裁、地点、文章）和边（wanted_for、sanctioned_as、crime_at、located_in、described_in、associated_with）
• 基于 Levenshtein 的模糊匹配 — 结合子串包含加分（0.3）计算 Jaccard 词元重合度评分；可配置阈值范围为 0.1 到 1.0
• 跨数据库制裁记录核对 — 将 OFAC SDN 条目与 OpenSanctions 进行匹配；在两个数据库中均出现且模糊匹配评分较高的实体会被标记为极有可能是真阳性
• 4 因子威胁评分模型 — 通缉状态（0-25）、制裁记录（0-25）、犯罪接近程度（0-25）和信息密度（0-25），综合最高分为 100
• 5 级安全审查分类 — CLEAR、FLAGGED、WATCHLISTED、BLOCKED，并提供机器可读的建议文本和匹配类型（精确/模糊/部分）
• 5 级威胁分类 — LOW、GUARDED、ELEVATED、HIGH、CRITICAL，与分数范围对应
• 综合地理风险评分 — 英国犯罪密度（30%）、OFAC 制裁命中（40%）以及 Interpol/FBI 通缉人员信息（30%），生成从 MINIMAL 到 CRITICAL 的综合评分
• 犯罪热点检测 — 将街道级犯罪记录按坐标聚类汇总，生成排名前 10 的热点热力图，并标注每个聚类中的主要类别
• 自动地理编码 — 未提供坐标时，Nominatim 会先将地点名称解析为坐标，再查询犯罪数据
• 生成结构化威胁简报 — 包含执行摘要、按类别列出的发现（严重程度为 CRITICAL/HIGH/MEDIUM/LOW/INFO）、网络统计数据、按优先级排序的建议，以及 5 条标准法律免责声明
• 全面待机模式运行 — MCP 端点持续运行，调用工具时无需冷启动延迟
• 已注册 8 个 MCP 工具，涵盖实体筛查、地理分析和情报报告

执法情报筛查的用例

KYC 和 AML 合规筛查

金融科技公司、银行和交易公司的合规团队会在客户和交易对手入驻前，将其与制裁及通缉人员数据库进行筛查。verify_identity_clearance 工具可在一次调用中检查全部四个数据库，并返回 CLEAR、FLAGGED、WATCHLISTED 或 BLOCKED 分类结果，以及匹配详情和通俗易懂的建议。可配置的模糊匹配阈值让你能够根据风险承受能力调整灵敏度。

企业尽职调查和供应商筛查

并购交易团队和采购部门会在并购尽职调查或供应商资质审查中核验董事、受益所有人和供应商。score_threat_level 工具会生成 0-100 的综合评分，并提供各维度的明细，便于按风险对实体列表排序、优先安排人工审查，并将发现记录在合规档案中。

差旅风险和场所安全评估

企业安全团队和谨慎照护平台会在高管出行或设施部署前评估目的地风险。assess_geographic_risk 工具会对目标地点进行地理编码，提取英国犯罪密度数据，并交叉核对当地制裁记录和通缉人员信息，以生成从 MINIMAL 到 CRITICAL 的综合风险评分及通俗易懂的因素列表。

AI Agent 调查工作流

构建 AI 调查流程的安全研究人员和分析师会使用 map_threat_intelligence 为任意实体构建威胁网络图。该图包含带类型的节点、带权重的边和置信度评分，可传递给大模型进行推理、导出到图数据库，或作为进一步自动化调查步骤的基础。

正式合规文档

风险官员在为监管审计生成调查记录时，可使用 generate_threat_brief 生成结构化文档，其中包含执行摘要、各类别调查结果、网络统计数据、数据来源归属、可执行建议和内置法律免责声明。输出内容可直接对应标准 EDD 文档格式。

区域犯罪模式分析

评估英格兰和威尔士地点的安全顾问与房地产分析师可使用 analyze_crime_patterns 获取街道级犯罪数据，按类别和月份汇总数据、评估犯罪密度，并识别排名前 10 的热点坐标。时间分布可揭示季节性趋势，结果统计则会显示起诉率。

如何在 AI Agent 中使用执法情报工具

1. 连接 MCP 服务 — 将端点 URL 添加到 MCP 客户端配置中（参见下方代码示例）。Apify 令牌是唯一需要的凭据。
2. 选择工具 — 使用 verify_identity_clearance 快速检查监控名单，使用 score_threat_level 评估风险分数，使用 map_threat_intelligence 获取完整网络图，或使用 generate_threat_brief 生成正式报告。
3. 提供实体名称或地点 — 输入要筛查的个人或组织名称，或提供用于评估地理风险的地点。如有需要，可调整可选数据源开关和模糊匹配阈值。
4. 查看结构化结果 — 每个工具都会返回 JSON，其中包含审查级别或威胁分数、来自各数据源的匹配记录，以及 AI Agent 可直接据此推理的建议。

输入参数

工具摘要

工具	价格	适用场景
map_threat_intelligence	$0.075	汇总全部 7 个数据源，生成完整网络图
search_wanted_persons	$0.075	按特定名称查询 Interpol + FBI
cross_reference_sanctions	$0.075	对 OFAC 与 OpenSanctions 进行模糊交叉匹配
analyze_crime_patterns	$0.075	汇总英国犯罪数据并检测热点
assess_geographic_risk	$0.075	评估地点的综合风险分数
verify_identity_clearance	$0.075	审查结论：CLEAR/FLAGGED/WATCHLISTED/BLOCKED
score_threat_level	$0.075	根据四个加权维度计算 0-100 的威胁分数
generate_threat_brief	$0.075	生成完整的结构化情报报告

所有工具的关键参数

参数	工具	类型	默认值	说明
query / entity	所有工具	string	必填	要调查的个人、组织或主题
fuzzy_threshold	verify_identity_clearance	number	0.6	匹配灵敏度：0.1=宽泛，1.0=精确
search_interpol	map_threat_intelligence、search_wanted_persons	boolean	true	包含 Interpol 红色通报
search_fbi	map_threat_intelligence、search_wanted_persons	boolean	true	包含 FBI 最高通缉名单
search_ofac	多个工具	boolean	true	包含 OFAC SDN 名单
search_open_sanctions	多个工具	boolean	true	包含 OpenSanctions
search_uk_crime	map_threat_intelligence	boolean	false	包含英国警察犯罪数据
location	analyze_crime_patterns、assess_geographic_risk、generate_threat_brief	string	—	地理查询的地点名称
latitude / longitude	多个工具	number	—	精确地理查询的坐标
max_results	所有工具	number	25	每个数据源的最大结果数（1-100；犯罪分析为 1-500）

输入提示

• 优先使用完整法定姓名——模糊匹配可以识别变体，但完整姓名比首字母更能减少误报。
• 降低音译姓名的阈值——阿拉伯语、西里尔字母或中文姓名可能有多种罗马化拼写；请将 fuzzy_threshold 设为 0.4-0.5。
• 停用不需要的数据源——如果只需要进行制裁筛查，请设置 search_interpol: false 和 search_fbi: false，以降低成本和延迟。
• 英国犯罪数据需要英国坐标——仅对英格兰和威尔士的对象启用 search_uk_crime；对其他司法管辖区，该功能会静默失败。

输出示例

{
  "clearance": {
    "entity": "Viktor Petrov",
    "checkedAt": "2025-11-14T09:22:31.007Z",
    "clearanceLevel": "BLOCKED",
    "watchlistHits": [
      {
        "source": "interpol",
        "matchType": "exact",
        "matchScore": 97,
        "details": "Viktor Petrov — Money laundering, fraud, theft of public funds across 3 jurisdictions"
      }
    ],
    "sanctionHits": [
      {
        "source": "ofac",
        "program": "UKRAINE-EO13685",
        "matchScore": 94,
        "details": "Viktor Petrov — Designated for activities destabilizing Ukraine's sovereignty"
      },
      {
        "source": "openSanctions",
        "program": "EU Financial Sanctions",
        "matchScore": 89,
        "details": "Viktor Petrov — EU Council Regulation (EU) 269/2014 designation"
      }
    ],
    "totalHits": 3,
    "recommendation": "EXACT MATCH FOUND. Entity 'Viktor Petrov' has high-confidence matches across watchlists/sanctions. Do NOT proceed without legal review and enhanced due diligence."
  }
}

score_threat_level — HIGH 结果：

{
  "threatScore": {
    "entity": "Meridian Capital Holdings",
    "overallScore": 62,
    "threatLevel": "HIGH",
    "factors": {
      "wantedScore": 0,
      "sanctionsScore": 22,
      "crimeProximity": 0,
      "informationDensity": 40
    },
    "breakdown": ["4 OFAC sanctions match(es)", "2 OpenSanctions match(es)", "3 Wikipedia article(s) found"],
    "dataSources": ["ofac", "openSanctions", "wikipedia"],
    "confidence": 0.6
  }
}

assess_geographic_risk — MEDIUM 结果：

{
  "assessment": {
    "location": "Beirut, Lebanon",
    "latitude": 33.8886,
    "longitude": 35.4955,
    "crimeScore": 0,
    "sanctionsScore": 45,
    "wantedScore": 30,
    "compositeRisk": 27,
    "riskLevel": "MEDIUM",
    "factors": [
      "3 OFAC sanctions matches for area",
      "3 Interpol notices linked to area"
    ]
  }
}

输出字段

字段	类型	描述
clearance.clearanceLevel	字符串	CLEAR、FLAGGED、WATCHLISTED 或 BLOCKED
clearance.watchlistHits[].matchType	字符串	exact（≥95%）、fuzzy（≥75%）或 partial
clearance.watchlistHits[].matchScore	数字	0-100 的模糊姓名相似度分数
clearance.recommendation	字符串	通俗易懂的合规建议
threatScore.overallScore	数字	0-100 的综合威胁分数
threatScore.threatLevel	字符串	LOW、GUARDED、ELEVATED、HIGH 或 CRITICAL
threatScore.factors.wantedScore	数字	通缉状态分项分数，范围为 0-25
threatScore.factors.sanctionsScore	数字	制裁情况分项分数，范围为 0-25
threatScore.factors.crimeProximity	数字	地理犯罪分项分数，范围为 0-25
threatScore.factors.informationDensity	数字	信息量分项分数，范围为 0-25
threatScore.confidence	数字	根据数据可用性计算的 0-1 置信度
assessment.compositeRisk	数字	加权地理风险分数，范围为 0-100
assessment.riskLevel	字符串	MINIMAL、LOW、MEDIUM、HIGH 或 CRITICAL
analysis.byCategory	对象	按类别统计的犯罪数量
analysis.hotspots[].count	数字	坐标聚类中的犯罪事件数量
network.nodes[].type	字符串	suspect、warrant、crime、sanction、location 或 article
network.edges[].type	字符串	wanted_for、sanctioned_as、crime_at、located_in、described_in、associated_with
network.edges[].weight	数字	0-1 的边强度（跨数据源边的模糊匹配分数）
brief.threatLevel	字符串	简报中的总体威胁评估
brief.findings[].severity	字符串	CRITICAL、HIGH、MEDIUM、LOW 或 INFO
brief.recommendations	数组	可执行的合规建议
brief.caveats	数组	标准法律和数据局限性声明

执法情报核查的运行成本是多少？

此 MCP 服务采用按事件付费定价——每次工具调用费用为 $0.075。平台计算费用已包含在内。

场景	工具调用次数	每次调用费用	总费用
快速测试——单次许可核查	1	$0.075	$0.075
小批量——筛查 10 个实体	10	$0.075	$0.75
尽职调查——筛查 50 个交易对手	50	$0.075	$3.75
持续监控——监控 200 个实体	200	$0.075	$15.00
企业筛查——筛查 1,000 个实体	1,000	$0.075	$75.00

你可以为每次运行设置最高支出限额以控制成本。达到预算后，服务将停止计费。

相比之下，Refinitiv World-Check 的费用为每月 $500-2,000，ComplyAdvantage 的费用为每月 $600+。使用此 MCP 服务，大多数合规团队每月只需花费 $5-20，且无需订阅。Apify 的免费套餐每月包含 $5 额度，足以进行约 66 次身份许可核查。

使用 API 进行执法情报筛查

Python

import httpx
import json

APIFY_TOKEN = "YOUR_APIFY_TOKEN"
MCP_URL = "https://law-enforcement-intelligence-mcp.apify.actor/mcp"

payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "verify_identity_clearance",
        "arguments": {
            "entity": "Viktor Petrov",
            "fuzzy_threshold": 0.65,
            "max_results": 20
        }
    },
    "id": 1
}

response = httpx.post(MCP_URL, json=payload, headers={"Authorization": f"Bearer {APIFY_TOKEN}"})
result = response.json()
clearance = json.loads(result["result"]["content"][0]["text"])
print(f"Clearance level: {clearance['clearance']['clearanceLevel']}")
print(f"Total hits: {clearance['clearance']['totalHits']}")
print(f"Recommendation: {clearance['clearance']['recommendation']}")

JavaScript

const APIFY_TOKEN = "YOUR_APIFY_TOKEN";
const MCP_URL = "https://law-enforcement-intelligence-mcp.apify.actor/mcp";

const response = await fetch(MCP_URL, {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    "Authorization": `Bearer ${APIFY_TOKEN}`
  },
  body: JSON.stringify({
    jsonrpc: "2.0",
    method: "tools/call",
    params: {
      name: "score_threat_level",
      arguments: {
        entity: "Meridian Capital Holdings",
        include_wikipedia: true,
        max_results: 15
      }
    },
    id: 1
  })
});

const data = await response.json();
const score = JSON.parse(data.result.content[0].text);
console.log(`Threat level: ${score.threatScore.threatLevel} (${score.threatScore.overallScore}/100)`);
console.log(`Sanctions score: ${score.threatScore.factors.sanctionsScore}/25`);

cURL

# Verify an entity against all watchlists and sanctions lists
curl -X POST "https://law-enforcement-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"verify_identity_clearance","arguments":{"entity":"Harrington Global Commodities","fuzzy_threshold":0.6,"max_results":25}},"id":1}'

# Generate a full threat intelligence brief
curl -X POST "https://law-enforcement-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"generate_threat_brief","arguments":{"query":"Novikov Trading Group","max_results":20}},"id":2}'

Claude Desktop 配置

{
  "mcpServers": {
    "law-enforcement-intelligence": {
      "url": "https://law-enforcement-intelligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

执法情报 MCP 服务的工作原理

阶段 1：跨 7 个来源并行收集数据

每次工具调用都会通过 Promise.all() 同时向相关来源分发 Actor 调用。这 7 个 Actor 分别是 ryanclinton/interpol-red-notices、ryanclinton/fbi-wanted-search、ryanclinton/ofac-sanctions-search、ryanclinton/opensanctions-search、ryanclinton/uk-police-crime-data、ryanclinton/wikipedia-article-search 和 ryanclinton/nominatim-geocoder。每个 Actor 的超时时间为 120 秒，内存为 256 MB。对于包含地理位置的工具，如果未提供坐标，Nominatim 会先对位置进行地理编码，然后将解析出的坐标转发给 UK crime Actor。

阶段 2：跨数据库进行模糊姓名匹配

系统会对结果进行规范化并使用双部分算法评分。Jaccard 词元重叠分数的计算方式是：将字符串转换为小写并去除标点后，用词元交集除以词元并集。如果其中一个规范化字符串完整包含另一个，则额外加上 0.3 的子串包含加分，最高为 1.0。可配置的 fuzzy_threshold（默认值为 0.6）是结果被视为匹配项的最低分数。OFAC 和 OpenSanctions 中相互匹配且分数高于 0.5 的实体会被标记为跨数据库匹配，这是系统中最强的正向信号。

阶段 3：构建图并计算综合评分

对于用于构建关系网络的工具，系统会构建一个带类型的有向图，并按节点 ID（类型 + 规范化标签）和边三元组（来源、目标、类型）进行去重。不同来源的嫌疑人节点如果模糊匹配分数超过 0.6，就会建立交叉链接。四个威胁评分维度分别独立计算：通缉命中数 × 每个相关匹配 8 分（上限 25 分）、制裁命中数 × 6 分（上限 25 分）、UK crime 数量占结果最大值的比例 × 25（上限 25 分），以及数据点总数占 20 的比例 × 25（上限 25 分）。地理风险采用加权公式计算：crime 分数 × 0.3 + sanctions 分数 × 0.4 + wanted 分数 × 0.3。

阶段 4：分类、清查等级和简报生成

系统根据匹配质量分配清查等级：任一匹配分数 ≥95 → BLOCKED，两个或更多匹配分数 ≥75 → WATCHLISTED，任一匹配分数高于阈值 → FLAGGED，零匹配 → CLEAR。威胁等级对应的分数范围为：0-19 LOW、20-39 GUARDED、40-59 ELEVATED、60-79 HIGH、80-100 CRITICAL。威胁简报工具会将所有发现综合为一份结构化文档，其中包含按严重程度排序的分类发现、机器生成的建议、关系网络统计信息，以及五条标准法律免责声明，涵盖数据完整性、模糊匹配的局限性和非法律建议声明。

最佳实践提示

1. 禁用不需要的数据源。 每启用一个来源，就会增加一次并行 Actor 调用。仅进行制裁筛查时，可将 search_interpol: false 和 search_fbi: false，将调用次数从 7 次减少到 2 次。
2. 根据使用场景调整模糊阈值。 对于误报代价高昂的高风险入职审查，请使用 0.4-0.5。对于需要人工复核误报的批量筛查，请使用 0.7-0.8。
3. 使用 score_threat_level 进行批量排序筛查。 对每个实体运行该工具，按 overallScore 降序排列，然后仅对得分高于 40 的实体进行人工复核。
4. 跨数据库匹配是最强的信号。 当 cross_reference_sanctions 在 OFAC 和 OpenSanctions 中都返回分数高于 70 的条目时，应将该实体视为极有可能确实受到制裁。
5. UK crime 分析仅涵盖英格兰和威尔士。 对于非英国地点，请禁用 search_uk_crime，以避免 Actor 调用失败。
6. 将 max_results 设为 10，以加快初步筛查。 默认值 25 会进行全面筛查；设为 10 可将响应时间缩短约一半。
7. 将 generate_threat_brief 的输出直接传给大模型。 执行摘要、发现数组和建议字段专为大模型处理而设计，并且符合标准增强尽职调查文档格式。

与其他 Apify actors 组合使用

Actor	组合方式
制裁网络分析	如果审查结果为 BLOCKED，可绘制该实体周围完整的制裁规避网络
公司深度调查	CLEAR 结果可通过企业注册数据、高管名单和最终受益所有人链条进行补充，再开展入驻流程
WHOIS 域名查询	将域名注册数据与威胁图谱中发现的可疑地点或别名进行关联
B2B 潜在客户筛选器	在将 CLEAR 实体交给潜在客户评分器之前，先通过 verify_identity_clearance 筛查销售潜在客户
瀑布式联系人信息补充	将 CLEAR 实体添加到 CRM 外联序列之前，补充其联系人数据
OpenSanctions 搜索	单独对 WATCHLISTED 实体进行深度搜索，以获取 MCP 封装器之外的完整数据集覆盖
网站变更监控	检测 Interpol 或 OFAC 页面变更，并通过定时运行 actor 触发重新筛查

限制

• 英国犯罪数据仅涵盖英格兰和威尔士。 analyze_crime_patterns 工具和犯罪相关评分依赖 data.police.uk，该数据源不涵盖苏格兰、北爱尔兰或英国以外的司法管辖区。
• 所有来源均为公共数据库。 此服务不会访问机密数据库、仅供执法部门使用的数据库或受订阅限制的数据库。Interpol Red Notices、FBI Most Wanted、OFAC SDN 和 OpenSanctions 均可公开访问。
• 模糊匹配会产生误报。 常见姓名（例如“Mohammed Ali”“John Smith”）可能匹配到无关条目。所有 FLAGGED、WATCHLISTED 或 BLOCKED 结果都必须经过人工核实，才能采取不利行动。
• 没有历史数据或版本化数据。 所有查询都会获取各数据库的当前实时状态。已从制裁名单中移除的实体不会显示，即使该实体昨天还在名单上。
• Wikipedia 结果仅供参考。 使用 Wikipedia 条目进行信息密度评分，而非作为不当行为的证据。
• 犯罪邻近度评分需要英国地点。 对于非英国实体，crimeProximity 因子始终为 0，除非你提供英格兰或威尔士的 include_location 值。
• 不能替代经过认证的 KYC/AML 平台。 对于承担强制 AML 合规义务的受监管金融机构，此服务可作为补充，但不能替代有审计追踪要求的认证筛查平台。
• 速率限制可能导致结果不完整。 对 OpenSanctions 等高流量来源设置非常大的 max_results 值时，可能触发来源的速率限制，返回的结果少于请求数量。

集成

• Claude Desktop — 通过 MCP URL 连接，即可在 Claude 聊天界面中使用全部 8 个工具
• Cursor — 添加服务端点，即可在 IDE 中使用威胁情报工具
• Apify API — 通过任意 HTTP 客户端以编程方式触发 actor
• Webhooks — 检测到高风险实体时触发下游警报
• Zapier — 将审查结果接入 Slack、HubSpot 或 Salesforce 工作流
• Make — 构建基于审查级别进行条件路由的自动化筛查管道
• LangChain / LlamaIndex — 将威胁情报输出作为结构化上下文，用于 RAG 管道或 Agent 工具调用

故障排除

已知存在知名实体，但未返回结果。 尝试使用更短的名称片段（仅姓氏）、将 fuzzy_threshold 降至 0.4，或将 max_results 提高至 50。某些实体在不同数据库中有多个名称变体。

犯罪模式分析返回错误。 analyze_crime_patterns 工具要求提供 location 字符串，或同时提供 latitude 和 longitude。如果位置在英格兰和威尔士以外，UK Police API 将不会返回结果——对于非英国主体，请停用 UK 犯罪数据。

常见姓名返回大量 FLAGGED 结果。 将 fuzzy_threshold 提高至 0.75 或更高。考虑在查询字符串中添加其他标识信息（例如，“John Smith UK 1980”），以提高准确性。

批处理中途达到支出限额。 在 Apify 账户设置中提高最高支出限额，或将实体拆分为更小的批次进行处理。错误响应中会包含 "eventChargeLimitReached": true，可用于程序化检测。

威胁简报缺少犯罪调查结果。 generate_threat_brief 默认停用犯罪数据。设置 include_crime: true，并提供位于英格兰或威尔士境内的 location，以纳入犯罪模式分析。

负责任地使用

• 此服务访问的所有数据源均为公开的政府和开放数据登记库。
• 结果仅用于信息性尽职调查，不构成法律建议、监管指导或经认证的合规筛查。
• 对个人或实体采取任何不利行动前，必须人工核实所有 FLAGGED、WATCHLISTED 或 BLOCKED 判定。
• 处理通过此服务获取的个人数据时，请遵守 GDPR、CCPA 及所有适用的数据保护法律。
• 请勿仅因姓名相似而使用此工具骚扰或歧视个人。
• 有关访问公开数据合法性的指导，请参阅 Apify 关于网页抓取合法性的指南。

常见问题

此 MCP 服务如何进行执法情报筛查？ 每次工具调用都会向最多 7 个公共数据库并行发送查询——Interpol、FBI、OFAC、OpenSanctions、UK Police、Wikipedia 和 Nominatim。系统会对结果进行标准化、跨数据源模糊匹配，并根据所调用的工具，以结构化 JSON 的形式返回清除级别、威胁评分或关系网络图。

我可以使用此 MCP 服务进行反洗钱（AML）合规筛查吗？ 可以，但需要注意，此工具只查询公开数据库。它适用于信息性尽职调查和预筛查。承担强制 AML 义务的受监管金融机构应将此工具与具有审计追踪和监管认证的认证平台配合使用，而不是用它取代这些平台。

对转写姓名的模糊姓名匹配有多准确？ Jaccard 词元重叠算法通过匹配词语词元而非字符级编辑距离，能很好地处理罗马化变体。对于阿拉伯语、西里尔字母或中文姓名，可将 fuzzy_threshold 降至 0.4-0.5，以捕获更多变体。请人工核查所有转写姓名匹配结果。

WATCHLISTED 和 BLOCKED 清除级别有什么区别？ BLOCKED 表示至少有一条匹配结果得分达到 95 或以上，实体确实被列入名单的可信度较高。WATCHLISTED 表示在多个数据库中有两条或以上匹配结果得分达到 75 或以上；这些模糊匹配结果需要人工审核。FLAGGED 表示至少有一条匹配结果超过阈值，但未达到 WATCHLISTED 标准。

此 MCP 服务会访问机密或受限的情报数据库吗？ 不会。所有七个数据源都是公开的：Interpol Red Notices 可在 interpol.int 上公开搜索，FBI Most Wanted 名单发布于 fbi.gov，OFAC SDN 名单可从美国财政部公开下载，OpenSanctions 是一个开放数据项目，UK Police 数据可在 data.police.uk 获取，Wikipedia 是公开的，Nominatim 使用 OpenStreetMap 数据。 这与 Refinitiv World-Check 或 ComplyAdvantage 有何不同？ Refinitiv World-Check 和 ComplyAdvantage 是经过认证的 AML 平台，提供专有数据覆盖范围、审计跟踪和监管认证，费用为每月 500-2,000 美元以上。此 MCP 服务面向开发者和合规团队，帮助他们将威胁情报嵌入 AI Agent 工作流，仅使用公开数据，每次查询收费 0.075 美元，无需订阅。

单次会话最多可以筛查多少个实体？ 单次会话没有硬性限制。每次工具调用单独收费 0.075 美元。你可以设置最高支出限额来控制总费用。筛查 100 个实体需花费 7.50 美元。

数据是实时获取的，还是来自缓存？ 所有数据都会在查询时从各来源当前的公开数据库中实时获取。系统不会进行内部缓存；结果反映的是查询时各数据库的当前状态。

我能筛查组织和公司，而不只是个人吗？ 可以。所有工具都接受组织名称作为 query 或 entity 输入。OFAC 和 OpenSanctions 均覆盖大量企业实体，模糊匹配对公司名称同样有效。

以编程方式查询这些公开执法数据库是否合法？ 所有来源都是面向编程访问的政府公开数据库或开放数据项目。OFAC SDN 名单可公开下载，Interpol 红色通缉令可公开搜索，data.police.uk 提供开放 API。请参阅 Apify 关于网页抓取合法性的指南。

典型的执法情报检查需要多长时间？ 大多数工具会在 30-90 秒内完成。使用全部 7 个来源并设置 max_results: 25 时，map_threat_intelligence 需要 60-120 秒（并行执行，因此总耗时取决于最慢的来源）。使用 4 个来源时，verify_identity_clearance 通常会在 30-60 秒内完成。

我可以用此服务安排定期实体监控吗？ 可以。使用 Apify 内置的计划功能，通过 Apify API 按任意频率重新筛查；也可以与 Website Change Monitor 结合，在来源页面发生变化时触发重新筛查。

帮助我们改进

如果遇到问题，启用 Apify 账户中的运行共享功能，可以帮助我们更快地调试：

1. 前往 账户设置 > 隐私
2. 启用 与公开 Actor 创建者共享运行记录

这样，当出现问题时，我们就能查看你的运行详情，从而更快地修复问题。你的数据仅对 Actor 开发者可见，不会公开。

支持

发现 Bug 或有功能需求？请在此 Actor 页面上的 Issues 标签页中提交问题。如需定制解决方案或企业集成，请通过 Apify 平台联系我们。